The essential triad of the nurse-patient-interpreter relationship with non-English-speaking patients in psychiatric mental health nursing practice
Notice bibliographique
Résumé
Non-English speaking (NES) immigrant residents interact with the United States (U.S.). health care system in all settings, inpatient, outpatient and emergency departments. Medical interpreters occupy a central role in mental health care by bridging the communication gap between the patient and the Psychiatric Mental Health Registered Nurse (PMHRN) and the Advanced Practice Registered Nurse (APRN) providers. The authors’ interest in the nature and effects of the presence of the interpreter on the nurse-patient therapeutic relationship began during their clinical experiences in two mental health outpatient settings. The purpose of this article is to describe a clinical occurrence faced by psychiatric mental health nurses in routine practice. It reviews scant literature on changes in dynamics that occur in the provider-patient relationship when an interpreter is present. Secondarily, the authors present interventions for working within the triad partnership of the nurse-patient- interpreter through the lens of Hildegard Peplau’s Interpersonal Relations Theory. The intended outcome of this review is to describe specific interventions for nurses working with interpreters to ease the patient’s mental distress and assist their transition to a higher level of mental health wellness in a new country. Application of the Peplau theory can influence the interpreter's presence in establishing and maintaining the provider-patient therapeutic relationship, as it applies to nursing. The interpreter is essential to interventions for the NES person and is facilitated by the development of a meaningful and productive relationship within the Nurse-Patient-Interpreter triad. This process is critical in reducing the patient’s distress from entry to settlement in the U.S.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,005 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».